DeepSeek V3
性价比更高: Gemma 4 E4B $0.040/M 即可获得 Index 43.2,价格只有 12 分之一。
有 43 个更便宜的已排名模型得分更高:GPT-5.6 Luna (58.2, $0.450)、GLM 5.3 Flash (57.8, $0.238)、DeepSeek V4 Flash (57.2, $0.262),另有 40 个。
截至 2026年11月16日,DeepSeek V3(DeepSeek)在 BenchLeader Index 上得分 44.3(共 608 个已排名配置)。表现最好的是人类偏好(52),最弱的是智能体与工具(35)。API 价格为每百万 token $0.478(按输入 3 : 输出 1 混合),为 2026年11月16日的标价。输出速度约为 70 token/秒(Artificial Analysis)。发布于 2024年12月26日。
要点(截至 2026年11月16日)
- DeepSeek V3 的 API 价格为每百万 token $0.478(按输入 3 : 输出 1 混合)(标价,2026年11月16日)。
- DeepSeek V3 的输出速度约为 70 token/秒(Artificial Analysis,2026年11月16日)。
- DeepSeek V3 于 2024年12月26日发布(DeepSeek)。
详细说明:DeepSeek V3 是 DeepSeek 的开放权重模型,发布于 2024年12月26日。其最佳配置在 BenchLeader Index 上得分 44.3 ±3.5,在 608 个配置中排第 471 名,处于下半区。关键在于这个“±”:另有 211 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(52),智能体与工具最低(35)。按混合价格计,每百万 token $0.463,比大多数已排名模型便宜。输出速度为 70 token/秒,首次回答需 1.6 秒,比大多数模型慢。它已被 DeepSeek V3 0324 取代,如今应与后者进行比较。最近一次测量:2026年11月11日。
- 混合价格
- $0.463/M
- 输入 $0.320 · 输出 $0.890
- 来源:Artificial Analysis
- 输出速度
- 70 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 1.58 s
- 首 token 0.59 s
- 上下文
- 66k
- 来源:LiteLLM price table
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2024年12月26日
- 综合 Index44
- 推理39
- 编程46
- 智能体与工具35
- 数学47
- 知识44
- 指令遵循48
- 人类偏好52
- 长上下文38
版本
DeepSeek 以这个名称发布过 2 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| DeepSeek V3 0324 | 2025年3月24日 | 46.9 | #417 |
| DeepSeek V3本页 | 2024年12月26日 | 44.3 | #471 |
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| GPQA Diamond | 56.5%#212 | Epoch AI Benchmarking Hub | |
| SimpleBench | 18.9%#106 | SimpleBench | |
| Arena Hard Prompts | 1350#224 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 55.7%#410 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 2.9%#630 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | 54.5%#114 | Vals AI | |
| Kagi LLM Benchmark | 52.3%#74 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index | 53.8%#32 | HELM Capabilities | |
| CritPt不计入 Index | 0.0%#337 | Artificial Analysis | |
| SciPredict不计入 Index | 19.2%#8 | Scale AI SEAL | |
| Arena Expert不计入 Index | 1348#216 | Arena (LMArena) | |
| ForecastBench不计入 Index | 62.4%#55 | ForecastBench | |
| HellaSwag不计入 Index | 88.9%#4 | Epoch AI Benchmarking Hub | |
| BIG-Bench Hard不计入 Index | 87.5%#2 | Epoch AI Benchmarking Hub | |
| WinoGrande不计入 Index | 85.2%#6 | Epoch AI Benchmarking Hub | |
| ARC (AI2 Challenge)不计入 Index | 95.3%#1 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| SciCode | 35.8%#208 | SciCode | |
| Arena Coding | 1387#214 | Arena (LMArena) | |
| SciCode (AA)不计入 Index | 35.8%#219 | Artificial Analysis | |
| Aider Polyglot | 48.4%#36 | Aider polyglot leaderboard | |
| Terminal-Bench 4.0 (AA)不计入 Index | 0.0%#186 | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | 16.9%#184 | Artificial Analysis | |
| LiveCodeBench (AA)不计入 Index | 35.9%#179 | Artificial Analysis |
智能体与工具
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Terminal-Bench Hard | 6.8%#254 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 22.8%#314 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | -22#291 | Artificial Analysis | |
| τ³-Banking (AA) | 4.7%#191 | Artificial Analysis | |
| METR Time Horizons不计入 Index | 47.4%#28 | METR | |
| AutomationBench不计入 Index | 0.6%#239 | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | 0.8%#246 | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | 78#248 | Artificial Analysis | |
| BrowseComp不计入 Index | 1.3%#14 | OpenAI |
数学
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| OTIS Mock AIME | 15.8%#239 | Epoch AI Benchmarking Hub | |
| MATH Level 5 | 64.8%#44 | Epoch AI Benchmarking Hub | |
| AIME (Vals) | 27.5%#73 | Vals AI | |
| MGSM | 92.2%#21 | Vals AI | |
| Omni-MATH (HELM) | 40.3%#30 | HELM Capabilities | |
| MATH 500不计入 Index | 80.4%#37 | Vals AI | |
| Arena Maths | 1310#227 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 26.0%#186 | Artificial Analysis |
知识
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MMLU-Pro | 73.8%#112 | Vals AI | |
| LegalBench | 80.8%#83 | Vals AI | |
| CorpFin | 52.5%#98 | Vals AI | |
| TaxEval | 67.9%#102 | Vals AI | |
| MedQA | 80.9%#69 | Vals AI | |
| MMLU-Pro (HELM)不计入 Index | 72.3%#35 | HELM Capabilities | |
| MMLU不计入 Index | 87.2%#3 | Epoch AI Benchmarking Hub | |
| TriviaQA不计入 Index | 82.9%#10 | Epoch AI Benchmarking Hub |
指令遵循
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| IFBench | 34.8%#318 | Artificial Analysis | |
| IFEval (HELM) | 83.2%#33 | HELM Capabilities | |
| WildBench (HELM) | 83.1%#19 | HELM Capabilities | |
| Arena Instruction Following不计入 Index | 1343#203 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1359#200 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | 1349#176 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1373#185 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1375#191 | Arena (LMArena) |
长上下文
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| AA-LCR v1.1 | 29.3%#421 | Artificial Analysis |
综合
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Epoch Capabilities Index不计入 Index | 135.2#131 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 8.5#445 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 176.8#485 | Artificial Analysis | |
| HELM Capabilities mean不计入 Index | 66.5%#31 | HELM Capabilities |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| MASK不计入 Index | 44.5%#62 | Scale AI SEAL |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| StreamLake | 38 tok/s | 1.07 s | $0.257 | $1.03 | 128k | – |
| DeepInfra | 33 tok/s | 0.36 s | $0.320 | $0.890 | 164k | fp4 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0004 | – | 5.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0044 | – | 10.1 s |
| 代码编辑 | 6,000 / 1,500 | $0.0033 | – | 22.9 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.023 | – | 58.5 s |
| 结构化信息提取 | 2,000 / 200 | $0.0008 | – | 4.4 s |
DeepSeek 的更多模型
另请参阅
嵌入或引用
引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). DeepSeek V3 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/deepseek-v3
BibTeX:
@misc{benchleader_deepseek_v3_20261116,
author = {{BenchLeader}},
title = {{DeepSeek V3 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/deepseek-v3}},
note = {Data as of 2026-11-16}
}常见问题
- DeepSeek V3 的基准测试得分是多少?
- 截至 2026年11月16日,DeepSeek V3 的 BenchLeader Index 为 44.3 ±3.5。最强的是人类偏好(52),最弱的是智能体与工具(35)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- DeepSeek V3 排名第几?
- 截至 2026年11月16日,DeepSeek V3 在 608 个已排名配置中排第 471 名。另有 211 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- DeepSeek V3 每百万 token 的价格是多少?
- 截至 2026年11月16日,DeepSeek V3 的价格为输入每百万 token $0.320、输出每百万 token $0.890,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.463。标价最近一次变动是在 2026年9月9日。
- DeepSeek V3 是什么时候发布的?
- DeepSeek 于 2024年12月26日发布了 DeepSeek V3。
数据截至 2026年11月16日。 与其他模型对比
引用格式:BenchLeader,《DeepSeek V3:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/deepseek-v3。